人们认为AI成为一时狂潮的三个原因

每当有天才决定在不属于自己的领域应用AI时，世界都会集体注视并在AI-Is-A-Fad框内再次投票。

> Don't read this dictionary, it's not good for you.

如果您的词典将AI定义为魔术或机器人（或魔术机器人），那么当它不能为您带来所有疾病时，您当然会感到失望。 让我们使用每个人都可以理解的简单示例来了解三个常见的难题。

风靡一时的抱怨＃1："人工智能浪费时间"

一位受人尊敬的软件工程师曾经直面地问我："人工智能可以知道加拿大是一个国家吗？"

牛仔，把你的马放在那里。 让我们花点时间考虑一下您如何知道加拿大是一个国家。 有人告诉过您，小时候就记住了这一事实，现在您正在查找。

> Meanwhile, in Canada…

我们可以编写无需AI就能做到的代码-将数据记录在表格中，然后如果有人询问加拿大，该程序将查找单词并输出答案。 您在这里需要AI做什么？

没什么，就是那样。

如果您认为AI是魔术，那么您将尝试将其用于一切。 当老板发现您花了多少精力来为一个简单的问题提供复杂的解决方案时，很难怪他们认为AI是炒作和胡说八道。

如何避免陷阱＃1

如果您没有AI就可以解决问题，那就不要使用AI。 认真地说，无论我的雇主营销团队对您说什么。

人工智能就像药物－它可以改变需要它的人，但是其他人应该比无聊地吃零食更了解。

> Don't use AI to learn things you already know the rules for, especially things that are defined by human-made rules in the first place. Examples: How do we convert dollars to cents? Is the one with the superhero cape the male or female toilet? How do I indent C++ code? What's the sales tax in Hawaii? Which boxing weight class may I compete in? Should I wear a balaclava into a bank? (Photo credit: Danielle Spires)

选择您的用例并仔细考虑，然后再收集任何数据或雇用任何博士专家。 如果您觉得需要在任何地方（任何地方）应用AI！ —仅仅因为您所有的朋友都在做，您就为失败做好了准备。

如果您可以使它在没有AI的情况下工作，那就更好了。

相反，从您关心的用例开始，如果您可以在没有AI的情况下使其工作，那就更好了。

风靡全球的＃2："人工智能无法正常工作"

加拿大，我还没有跟你做完。

> My best friend is Canadian and she suggested I add this image to the article. I think maybe she's

为了确定AI是否可以知道加拿大是一个国家，我们确定了计算机可以存储和检索此类信息，而无需任何高级AI。 我们的工程师朋友希望将其提升一个级别："一台机器可以自己学习全部吗？"

哇，您所说的"学习"和"全部靠自己"是什么意思？ 这些话对不同的人来说意味着不同的事情。 让我们来回答这个版本："如果以前从未使用过加拿大一词，我们是否可以期望一台机器可靠地得出加拿大是一个国家的结论？"

嘿，不会读中文的人，香蕉是一个国家吗？ 英国呢？ 不，不要去寻找答案，那是骗人的。 您必须自己学习所有这些，还记得吗？

如果没有其他信息，您怎么可能知道答案？ 同样，常识应该迫使您怀疑，如果没有可供学习的信息，人工智能将无法学习东西。 你是正确的。

> If you're curious about this image and want to know how algorithms turn patterns into recipes, tak

AI就是从信息中提取模式，然后使用这些模式自动制作配方，将您的下一个输入（加拿大）变成输出（国家）。 因此，让我们问自己：如果计算机以前从未见过这个词，那么我们可以使用哪些相关模式？

如果没有什么可学的，学习是不可能的。

即使我们有一些数据，我们的算法也可能会提取出虚假的模式，从而给我们提供愚蠢的秘诀。 让我们想象一下这些是我们的训练数据：南非国家，河马动物，青蛙动物，俄罗斯联邦国家，美国国家，猫动物，英国国家，浣熊动物，韩国国家，新 新西兰国家，蝴蝶动物，长颈鹿动物。

在您甚至还没有阅读完第一对书之前，您的AI算法已经消化了它们。 它给人满意的打p声，并邀请您输入名词。 您在加拿大看电影时有什么猜测吗？

这些数据中有两种响亮的模式。 一是所有国家都有大写字母。 如果这是AI配方的基础，那么"加拿大"将被正确标记，而"加拿大"则不会。

如果配方基于不同的模式怎么办？

> Is this a Canada?

您是否注意到所有国家/地区都有两个单词的名称，而动物是单个单词？ 好吧，你的算法做到了。 它说加拿大显然是动物。 哦，鹿

如何避免陷阱＃2

是的，机器学习是行不通的……如果没有什么可学的。 AI不适用于无法掌握相关数据的人。 如果您希望您的解决方案在所有国家/地区都适用，那么您的数据集就不能只包含两个字。

垃圾进垃圾出。

重要的是不要在这里失去常识； 适用于人类学生的学与教基础也适用于AI。 数据集是教科书，您是老师。 如果您给学生提供垃圾课本，请他们学习一些垃圾课。

风行格莱普＃3："人工智能是不可信的"

如果AI不是神奇的机器人，那是什么？ 它只是一个工具，可帮助您为正在努力表达其说明的任务编写代码。

一个好的程序员为什么很难给出计算机指令？ 那不是工作吗？ 可以，但是某些任务需要极其复杂的说明。 如果它们太复杂，以至于人脑无法包扎，那么您将无法提出它们……除非您可以通过其他方式传达任务。

AI让您通过示例（数据）而不是明确的指令来表达自己的愿望。 这意味着您可以自动执行无法为其编写说明的任务。

简单的解决方案不适用于需要复杂解决方案的任务。 因此，AI出人意料地拯救了您！ —复杂的解决方案。

这也意味着，当AI算法将模式提炼为其中一项艰巨任务的代码时，您应该开始期待一堆复杂的指令。 当您阅读食谱时，便会想到它……这是不可读的。

许多人对神秘感和模棱两可的反应是直截了当的："摆脱它！ 简单还是我不想要！ 我不能相信。"

希望简单的事情变得复杂，但事实并非如此。

看来您有两个错误的选择：生活只能解决最简单的问题，也不能解决困难之外的进步，但要放弃信任。 幸运的是，还有另一种方式。

> Imagine choosing between two spaceships. Spaceship 1 comes with exact equations explaining how it works, but has never been flown. How Spaceship 2 flies is a mystery, but it has undergone extensive testing, with years of successful flights like the one you're going on. Which spaceship would you choose?

如何避免陷阱＃3

与阅读不可读的内容相比，我们需要更好的基础来信任这些机器。 好消息是，有一个：测试。

您无需了解其工作原理即可检查其是否有效。

适当的测试并非微不足道，但要比了解这么大的东西要容易得多，要容易得多。 这也是我们经常练习的原则，例如医学。 你知道那头疼药是如何起作用的吗？ 科学也不是。 我们相信它的原因是我们仔细检查了它是否起作用。 （这是我关于将测试作为信任基础的更深入的讨论。）

如果您只满足于解决简单的问题，可以将AI问题排除在外。

人工智能不是时尚，而是进步的方式

未来的问题只会越来越难。 在完成简单任务后，您将希望继续面对更大的挑战。 一旦您越过低谷的果实，您就会遇到一项您无法解决的任务，即使用您的旧技巧和原始想象力的蛮力。 您将意识到，您只能通过示例而不是说明来传达您想要的内容……欢迎使用AI。

下一步？ 试试我的快速现实检查（列表），看看ML / AI是否对您来说是一个好主意。

(本文翻译自Cassie Kozyrkov的文章《Is AI a fad?》，参考：https://medium.com/hackernoon/is-ai-a-fad-55ab24bf77b9)